Odyssey-3 vs FLUX 3 Video: Un simulador y un renderizador no son la misma herramienta

Odyssey-3 y FLUX 3 Video se comparan porque ambos producen video de un mundo que no existe, y ahí es más o menos donde termina el parecido. FLUX 3 Video es el modelo de generación de Black Forest Labs, disponible de forma general desde el 4 de agosto de 2026, que convierte un prompt o un fotograma inicial en hasta veinte segundos de MP4 1080p SDR con audio nativo, con un precio por segundo de salida. Odyssey-3 es el modelo fundacional del mundo de Odyssey, presentado en avance el 15 de septiembre de 2026 y aún no disponible al público, que simula cómo evoluciona una escena bajo acciones y le adjunta un decodificador aprendido para convertir esa simulación en comandos motores para un brazo robótico, un humanoide, un automóvil o un dron. Uno es un renderizador: produce observaciones para que una persona las vea. El otro es un simulador: produce un estado sobre el que un programa puede actuar. Aun así, ponerlos cara a cara es útil —no para coronar a un ganador, sino porque las dos cosas que producen son las dos cosas diferentes que muchos equipos están intentando comprar actualmente con una sola partida presupuestaria.

La diferencia está en lo que sale del modelo

La manera más limpia de mantener la distinción es la taxonomía que World Labs publicó para los modelos del mundo, que clasifica los sistemas según qué parte del bucle percepción-acción producen. Un renderizador produce observaciones —píxeles, para ojos humanos, evaluados por fidelidad visual. Un simulador produce estado —una representación del mundo lo bastante fiel en lo geométrico y lo físico como para que tanto humanos como programas calculen sobre ella. Un planificador produce acciones. FLUX 3 Video es claramente un renderizador, y uno excelente. Odyssey-3 apunta a la columna de los simuladores con un pie en la columna de los planificadores, porque el decodificador de acciones es lo que permite que la simulación controle hardware.

Eso no es una distinción de marketing, y tiene una prueba práctica. Renderiza una habitación con un modelo de video, saca tu punto de vista de ella y date la vuelta: puede que los muebles no estén donde los dejaste, porque el modelo predijo fotograma a fotograma y nunca mantuvo un mundo persistente. Pídele lo mismo a un simulador y se supone que la respuesta es estable, porque el objetivo del modelo es el estado subyacente a los fotogramas. El propio anuncio de Odyssey se apoya en esto — la razón para construir un modelo de dinámica en lugar de un generador de video es que una política entrenada dentro de él puede evaluarse y mejorarse, no solo observarse.

FLUX 3 Video, específicamente

Black Forest Labs lanzó FLUX 3 Video el 4 de agosto de 2026, y su ficha técnica apunta a la producción real más que a la simulación. Genera hasta veinte segundos en una sola pasada, a hasta 1080p, en SDR, como MP4, con audio nativo generado junto a la imagen. El precio es por segundo de vídeo generado: un nivel preliminar de 720p a $0.06 por segundo, un nivel estándar de 720p a $0.17 y 1080p a $0.29, y el trabajo de vídeo a vídeo se cobra por encima de esos precios. Esas son cifras del proveedor.

El único número de referencia que Black Forest Labs le ha atribuido es un Elo interno de 1.135 para texto a video, que es una evaluación ejecutada por el proveedor y no ha sido reproducida de forma independiente; FLUX 3 Video no aparece actualmente en las tablas de clasificación independientes de video. Trata la clasificación como una afirmación. Lo que no está en duda es la entrega: una API con precio, documentada y por segundo que devuelve un archivo, hoy.

Odyssey-3, específicamente

Odyssey-3 es una preview con arquitectura y sin precio. Es un transformer de difusión autorregresivo entrenado con observación visual, y su rasgo distintivo es el decodificador de acciones —"un componente de salida aprendido adosado al modelo del mundo", en palabras de Odyssey—, entrenado con pares de observación-acción para traducir la representación interna del modelo a las acciones que necesita un componente de hardware específico. Odyssey informa que acciona brazos robóticos a partir de decenas de horas de demostraciones, políticas humanoides construidas con Flexion en tiempo real, conducción en bucle cerrado a partir de 20 horas de datos simulados, vuelo de drones en interiores con evitación de obstáculos y sesiones prolongadas de juego en Grand Theft Auto V con transferencia a Red Dead Redemption 2 y Sleeping Dogs sin entrenamiento adicional de políticas en esos títulos. La empresa también informa de una cifra comparativa: las políticas de conducción entrenadas en simulación recorrieron, entre intervenciones del conductor de seguridad, alrededor del 77 % de la distancia que recorrieron las políticas entrenadas con metraje real. No hay benchmarks independientes, ni informe técnico de Odyssey-3, ni fecha de lanzamiento más allá de "las próximas semanas". Todas las cifras son de Odyssey.

El contraste, dimensión por dimensión

• Qué genera — FLUX 3 Video: un archivo MP4 de píxeles. Odyssey-3: un estado de mundo simulado, más acciones motoras a través del decodificador de acciones.

• Quién lo consume — FLUX 3 Video: una persona mirando, o un editor terminando un corte. Odyssey-3: un controlador de robot, una política de conducción, o un agente RL que se está entrenando.

• Salida máxima — FLUX 3 Video: hasta 20 s en una sola pasada, hasta 1080p SDR, audio nativo. Odyssey-3: ejecución continua durante todo el tiempo que se mantenga la simulación, a la velocidad de fotogramas que necesite el despliegue.

• Precio — FLUX 3 Video: 0,06 $/s borrador 720p, 0,17 $/s 720p, 0,29 $/s 1080p (proveedor). Odyssey-3: ninguno publicado.

• Disponibilidad — FLUX 3 Video: GA desde el 2026-08-04. Odyssey-3: vista previa, públicamente «en las próximas semanas».

• Puntos de referencia — FLUX 3 Video: Elo de proveedor 1.135 en T2V, no reproducido, ausente de las tablas independientes. Odyssey-3: sin tabla de puntos de referencia, una única cifra de sim-to-real del proveedor.

La asimetría de precios es el titular honesto

Uno de ellos tiene un precio y el otro no, y ese único hecho te dice más sobre cómo elegir entre ellos que cualquier afirmación sobre sus capacidades. FLUX 3 Video tiene un costo medido por segundo de resultado, así que un equipo puede calcular el costo de cien clips antes de generar el primero. Odyssey-3 no tiene precio publicado, ni API, ni fecha, así que el costo de usarlo es hoy incognoscible — y también lo es la forma de la factura. Los modelos del mundo del tipo que describe Odyssey suelen facturarse de manera muy distinta a la generación de video: no por segundo de píxeles hermosos, sino por hora de simulación, porque el consumidor es un bucle de entrenamiento que puede ejecutarse durante millones de pasos. Comparar 0,29 $ por segundo con nada no es una comparación, y cualquier página que lo presente como tal está rellenando un vacío con una conjetura.

Donde en realidad se encontrarían

Los dos no son sustitutos, y la pregunta más interesante es si se componen. FLUX 3 Video es la mejor herramienta para cualquier cosa en la que el entregable sea un archivo que un humano mira: una toma de producto, una variante de anuncio, un corte para redes sociales, una previsualización. Odyssey-3, si cumple lo que promete, es la mejor herramienta para cualquier cosa en la que el entregable sea una política que tenga que funcionar en el mundo físico, o una escena sobre la que un programa tenga que razonar. En un pipeline de cine o de videojuegos, la disposición plausible no es una cosa o la otra — un modelo del mundo genera un entorno interactivo, y un renderizador produce los fotogramas pulidos que salen del edificio.

Hoy existe un límite real en esa composición, y es el de SDR. FLUX 3 Video entrega MP4 en SDR. Odyssey-3 entrega un entorno simulado, no un archivo con corrección de color. Ninguno de los dos es una herramienta de finalización HDR, por lo que un flujo de trabajo que termina en un entregable para radiodifusión o cine todavía necesita un paso de masterización después de ambos.

Enrutamiento, y qué cubre y qué no cubre aquí

Ninguno de los dos modelos es enrutable a través de OrcaRouter hoy. FLUX 3 Video se distribuye desde la propia API de Black Forest Labs y varias plataformas de terceros; Odyssey-3 no está disponible a través de nadie, porque no se ha lanzado. Donde una capa de enrutamiento se gana su lugar en una canalización como esta es en la capa situada por encima del modelo de vídeo: el modelo de lenguaje que redacta la lista de planos, el modelo de visión que comprueba el fotograma generado contra el brief, el modelo de transcripción que convierte una voz en off grabada en subtítulos. Esas son cargas de trabajo enrutadas ordinarias, y se ejecutan sobre una única API con más de 200 modelos al precio de lista del proveedor con 0 % de recargo, de modo que una rebaja de precio de un proveedor llega a tu factura el mismo día en lugar de en la siguiente renovación del contrato. El DSL de enrutamiento es la pieza que importa para una canalización de varias etapas: varios modelos compuestos en una sola llamada, con conmutación por error automática cuando un proveedor se degrada, para que un paso de render no falle porque el endpoint del modelo de prompts esté teniendo una tarde mala. Nada de eso aloja FLUX 3 Video ni Odyssey-3, y este artículo no afirma lo contrario.

¿Cuál, para quién?

Si tu entregable es un archivo —un clip, una versión recortada, una previsualización—, FLUX 3 Video es el que puedes comprar hoy, a un precio publicado por segundo, con audio nativo y salida de veinte segundos en una sola pasada, y la afirmación de Elo del proveedor es un extra razonable más que la razón para elegirlo. Si tu entregable es un controlador que tiene que funcionar en hardware, Odyssey-3 es el que apunta a tu problema, y el consejo honesto es esperar: todavía no hay precio, ni fecha, ni cifra independiente, y la cifra del 77% de sim-to-real es propia de Odyssey y no ha sido reproducida.

Lo que hay que vigilar no es qué modelo gana, porque no están compitiendo. Es si el decodificador de acciones de Odyssey-3 generaliza entre las seis encarnaciones que enumera el anuncio una vez que grupos externos puedan ejecutarlo. Esa es la afirmación con más potencial si se sostiene, y la evidencia actual que la respalda es una lista de demostraciones, no una medición.